AI产品分析：淘宝问问——AI加持的电商购物体验新可能

这几年，像阿里、京东、腾讯这些老牌互联网巨头，虽然外界总有些关于市场表现和股价下跌的讨论，但说真格的，在AI技术和产品落地上，它们可是一点没闲着。就拿阿里来说，早年他们在“千人千面”的推荐系统和AI设计应用“鲁班”（现在叫“鹿班”）上的实践，就已经很有代表性了。

比如鲁班系统在2016年双11期间，把站内广告投放变成了个性化呈现。以前每个分会场只需要一张图，2016年就要根据不同的人来做不同的图，平均每个会场得准备3万张素材。整个双11下来，总共生产了1.7亿张素材。这个量级，让100个设计师不吃不喝连续干300年都干不完。但在当时，鲁班系统几乎包揽了全部工作量，直接让资源位的点击率翻了一倍多，设计效率的提升是革命性的。

此外，还有融合了搜索、推荐、广告功能的在线服务平台AI·OS引擎。随着OpenAI和ChatGPT的热潮，国内巨头们也纷纷推出自家大模型，阿里的“通义”系列就是其中之一。

在这个大模型基础上，淘宝App里集成了一个原生的AI应用——淘宝问问。据说这个产品在2023年9月启动了内测，到双十一时，累计体验人次已经超过了1000万。不过，它现在还处于手淘场景里AI和导购初步结合的阶段，所以没做太大范围的推广。

接下来，我们就一起来看看这个产品到底怎么样。

01 产品概览

淘宝问问的定位，是一个创新的智能导购助手。它把先进的AI技术和淘宝庞大的商品数据库结合到一起，能综合考虑用户的购物历史和偏好，给出个性化的推荐和建议。它的目标不仅仅是提升购物体验，更希望借此提高用户在淘宝的粘性和转化率。它不只是一个搜索工具，更像一个全方位的购物伙伴，能满足你在购物过程中的各种需求。同时，它支持语音和文字输入这种多模态交互，配合多样化的功能标签，让整个购物过程既方便又丰富。

除了最基础的搜索和推荐，淘宝问问还预设了各种角色，比如“资深导购员”、“生活小助手”、“美食达人”、“旅行策划人”、“灵魂写手”等。说白了，就是为不同场景定义了不同的指令模板，能提供像商品挑选攻略、行程规划建议这类更丰富的服务。

产品入口

淘宝问问的入口主要有两种：

在淘宝搜索框直接搜“淘宝问问”。阿里巴巴官方管这叫“深度对话”模式，也就是你从零开始，直接和AI助手对话。这种方式能承接用户那些比较模糊的购物需求，解决传统电商搜索很难处理的问题。

在搜索结果页的右下角。这被称为“co-pilot”模式。系统会根据你当前搜索的关键词，直接和大模型交互，然后给你推荐商品。这种方式能大幅降低买家的决策成本，缩短从产生想法到最终下单的链条。你想啊，常规搜索呈现出来的结果，通常多得让人眼花缭乱，很容易陷入“信息过载”和“选择困难症”。但在淘宝问问里，推荐的商品数量经过了精简（比如推荐1个主推款加3个辅推款），同时它还去掉了广告逻辑，完全是站在“买家”的角度来推荐。光说这种“购物体验”本身，还是挺新奇的。

02 上手体验

大模型这波热潮下，市面上已经开始出现AI PC了（AI Phone也在路上了）。我们试着问问淘宝问问，看它有什么好的推荐。

[image: 体验截图1]

它倒是像模像样地推荐了一款。但光看价格，就感觉这不是我想要的AI PC。它接着又推荐了三款，但从描述文本来看，也不太像。

[image: 体验截图2]

我直接在淘宝上搜“AI电脑”，虽然排在前面的也不是我的目标商品。

[image: 体验截图3]

但往下翻翻，还是能找到我认为真正符合要求的商品的。

[image: 体验截图4]

这里存在一个比较明显的问题：大模型可能根本没理解我口中的“AI电脑”到底是什么。毕竟这是个比较新的概念，商品库里的相关信息本就不多。第一个主推荐商品，很可能只是因为它描述里带了“AI”或者“英伟达GPU”这些字眼，所以就被推荐上来了。当然，我对AI PC有自己的预设，也许从模型自己的理解来看，这个推荐结果也算合理？

换个成熟点儿的品类试试，比如说“全身镜”。

[image: 体验截图5]

可以看到，主推的“最佳推荐”还算符合预期，但在3个次要推荐里，居然混进了一台“家用电风扇”。这就有点尴尬了，典型的AI“幻觉”问题。

接着追问它推荐的理由：

[image: 体验截图6]

我又补充了一下，希望镜子是玻璃材质的：

[image: 体验截图7]

这回它重新推荐了几款，但展示样式和之前差别很大，变成了内容社区的视频，里面带商品链接，而不是可以直接加购的商品。光看图片，感觉也不太像“玻璃”材质的。

再来试试第二种模式。在商品搜索列表里搜“红色毛衣小香风”，这时候淘宝问问已经自动推荐了1个主推和3个辅推的商品。

[image: 体验截图8]

主推的那个看起来不太像，点进去看详情，发现其实有“玛瑙红”这个颜色规格，理论上算是符合要求的。但这容易给用户造成困惑。

淘宝问问支持多轮对话，所以我们可以让它接着做商品对比。

[image: 体验截图9]

我后来又试了一次，从展示的图片来看，这次的结果更符合预期。

[image: 体验截图10]

让它用表格的形式来做对比，看起来就直观多了。

[image: 体验截图11]

再试试它内置的功能模板，比如“婚礼策划师”。它会先根据需求提供一些建议。

[image: 体验截图12]

当然了，它也会同步推荐相关商品。

[image: 体验截图13]

这个交互过程，其实和ChatGPT、百度文心一言的对话很相似，只不过在淘宝问问的场景下，模型被植入了特定的指令——在生成对话文本的同时，还要联动推荐商品。你可以把它理解为ChatGPT的自定义GPTs，或者百度文心一言的“百宝箱”。

[image: 体验截图14]

如果问它旅行计划相关的问题，它还会提供景点、机票等信息。实际点进去看，不难发现这其实是和阿里旗下的另一款产品“飞猪”做了集成。

[image: 体验截图15]

不过，我人在广州，它默认给出的“机票”推荐是“广州→广州”，这显然是不符合预期，也不太合理的。

上手体验小结

总的来说，淘宝问问的每一次查询，背后需要调动的能力包括：大模型文本生成、淘宝的商品推荐能力、淘宝内容社区的视频推荐能力，以及在像“旅行策划”这类复杂场景下，调用飞猪的机票和酒店预订功能。这其实就和GPTs里集成的“外部调用”是一个道理。

虽然淘宝问问想成为“万能的淘宝”在AI时代的延伸，把大模型和AIGC技术与电商购物体验结合，帮用户更快找到想要的东西，改善购物体验，

。但就目前的实际体验来看，它还处于非常初级的阶段。不管是用户意图理解，还是最终的个性化推荐结果，效果只能说一般，有时候给出的答案和问题根本对不上，内容的质量和准确度都有待加强。估计这也是为什么它至今还挂着“测试版”的标签吧——产品还不成熟，不适合大规模推广。

03 产品特性提炼与分析

综合个人体验和网上的信息，我们可以把淘宝问问的功能特性总结成以下几点：

第一，

。它和基础的搜索功能互补，提供一种有选择性的导购体验。你既可以打字，也可以直接语音输入，它能理解自然语言的查询。

第二，

。不需要你额外要求，它就会结合你的历史订单、购物车数据和购物偏好来做推荐。对每款推荐的商品，AI还会自动生成产品特点、适用人群或场合的总结，以及推荐理由。

第三，

。如果你有特定的优惠券或打算参加满减活动，它可以帮你推荐合适的商品，让你能把优惠用到极致。

第四，

。你可以选两件商品让它做对比，它会详细分析各自的优缺点。这个功能和很多电商网站的商品对比功能基本一样。

第五，

。通过内置的功能模板，比如“婚礼策划师”、“旅行策划人”、“资深导购员”，提供整体的解决方案和商品推荐。

第六，

。“生活小能手”和“美食大人”这两个功能可以回答你生活中的各种问题，同时还能实现一键购买所需材料。

第七，

。这是给喜欢分享购物体验的朋友准备的，“灵魂写手”功能可以帮你创作内容。

前面五点，是专门为电商这个垂直领域设计的。后面两点，就和ChatGPT、文心一言这类通用大模型应用没啥本质区别了。所以，淘宝问问的底子，是一个具备强大行业专业知识能力的通用大模型。

实现过程推演

从产品实现的角度来看，把“通义千问”这类通用大模型和淘宝的电商数据结合起来，让它能更好地理解用户输入、解析用户意图、给出有效回答和个性化推荐，大概需要这么几个步骤：

首先是

。综合考虑数据资产、用户需求、市场趋势、创新机会和团队能力，尽可能全面地探索大模型和电商购物结合的业务机会点，包括怎么升级用户体验、怎么获取新用户增长等等。最终形成产品的整体蓝图规划和特性清单。

然后是

。基于前面的创意，结合用户故事来详细分析和定义电商场景下的用户需求，包括搜索、推荐、优惠策略、商品对比、场景推荐等等。同时要研究怎么把淘宝的商品数据库、用户购物记录、推荐模型这些东西和模型结合起来，确定模型具体需要具备哪些能力。

接着是

。收集和整理淘宝的电商数据，包括用户历史订单、购物车数据、商品信息、用户评价、优惠券使用情况等等。之后对这些数据进行清洗和预处理，保证质量。

然后是

。选择像“通义千问”这样的通用大模型作为基础，再根据电商场景的特点，对基础模型进行针对性的调整和优化。

再下来是

。用电商数据来训练这个基础模型，让它具备电商领域的专业知识。通过指令微调和人类反馈强化学习这类技术，教会模型如何执行用户的指令，并迎合用户的偏好。

接着是

。从准确率、召回率、用户体验等多个维度评估训练好的模型。根据评估结果，对模型进行调优。

然后是

。把上面提到的那些功能特性开发出来，然后集成到淘宝App里，确保它和其他系统组件能兼容运行。

最后一步是

。模型和功能上线后，要持续监控它的运行情况，包括性能指标、用户反馈、异常情况等。同时，要收集用户的使用反馈，作为后续迭代和优化的依据。

产品PRD模拟（示意）

淘宝问问本质上是一个电商领域的智能对话系统，能理解复杂的用户查询，并提供相关、准确的回答。我们不妨试想一下，如果要给它写一份详细的产品需求文档，大概会是什么样。

用户小李是个忙碌的白领，经常在淘宝买东西。她希望快速找到符合需求的商品，又不想花太多时间浏览筛选。传统的搜索方式总让她觉得信息量太大，很难做决定。于是她开始尝试用淘宝问问提具体的购物问题，比如“推荐一款适合夏天户外运动的防晒霜”，希望能立刻得到精准回答。

一是通过快速准确的推荐来提升用户满意度，增强用户的忠诚度。二是通过个性化推荐帮助用户更快决策，从而提高购买转化率。三是收集和分析用户交互数据，为产品迭代提供依据。

核心功能是智能搜索与回答，支持语音和文本输入，能准确解析意图并给出合理响应。其次是结合用户历史记录和偏好，提供个性化的商品推荐，并解释推荐理由。还要支持多轮对话，可以进一步明确用户需求，并提供相关问题选项来引导对话。最后是“猜你喜欢”的推荐功能。

用户打开淘宝，进入搜索框或专门的“淘宝问问”入口，用语音或文字输入购物需求。系统处理输入后，结合用户历史数据展示推荐商品。用户浏览推荐，可以继续追问，也可以直接下单。

提供一个清晰的输入区，支持文字和语音。输出区域则用来展示AI的回答和商品推荐，形式可以包含商品图片、推荐理由、价格、购买链接、加购按钮等多模态信息。

输入是用户用语音或文字提出的具体需求或问题。输出是根据需求展示的场景问答内容和商品推荐。

在自然语言处理上，要能解析各种查询，包括模糊和复杂的请求。推荐算法上，可以使用协同过滤、内容基推荐等技术，结合用户画像进行个性化推荐。多轮对话部分，需要有状态跟踪和意图识别机制，确保对话自然连贯。

04 总结与延伸

接连体验了腾讯会议的AI小助手和淘宝的问问之后，不难发现一个事实：尽管过去几年，大模型和AIGC技术突飞猛进，但很多方面其实还没那么成熟。要将这些AI能力真正和现有产品结合，需要对现有产品进行大量的技术适配和改造，投入的人力、物力和时间成本都相当可观。我们能清晰地看到，即便是腾讯、阿里这样的巨头，在深厚的技术积累下，经过数月的迭代，给出的产品版本也还存在不少问题。无论是和用户的预期相比，还是和官方的宣传口径相比，落差都还挺明显的。

不过，有一点是确定的：人工智能，特别是生成式人工智能，代表了未来的方向。随着技术的持续进步，以及它们和实际应用场景的不断融合与优化，在可预见的5到10年里，它必然会对我们的工作、学习和生活带来碘伏性的影响。

麦肯锡在《捕捉生成式AI新机遇》这份报告里，清晰地指出了GenAI相比传统AI的四大核心优势：

第一，

。传统AI需要繁琐的手工特征工程和模型调整，而GenAI可以自动从海量数据中学习，生成高质量的结果，能更快构建模型、处理数据、生成结果，从而做出更快决策。

第二，

。传统AI基于统计和大数据，缺乏对个体差异的精准处理。GenAI通过学习个体的数据和反馈，能根据个人需求生成专属的输出。

第三，

。传统AI限于已知规则和数据，GenAI则能生成全新的内容和想法，帮助企业发现新洞察、探索新模式。

第四，

。传统AI像个黑盒，而GenAI在生成输出时能提供一定程度的解释。当然，这里需要补充一点：虽然理论上GenAI具备可解释性，但在面对那些规模庞大、基于深度学习的模型时，要做到完全透明的解释，依然是个巨大的挑战。